梯度域多曝光图像融合

为解决多曝光图像融合的问题，提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法，并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系，对每幅图像检测分别得到一幅伪影权值图，用来构造融合时的度量。在梯度域中进行融合，根据多维黎曼流形几何(Riemannian Geometry)，从多个输入图像的结构张量中推导得出融合的梯度域，然后使用均值滤波器在多尺度上进行梯度域的非线性修改，通过解泊松方程得到融合图像。最后，还提出了一种新颖的色彩复原算法，用以避免造成色彩偏差。实验表明，该方法能够有效融合含运动物体的多曝光图像，无论哪幅图像被选作参考图像，都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。     

基于子孔径方位特性的穿墙雷达虚拟多视角成像方法

针对穿墙雷达(TWR)室内不规则场景中信号传播的多径效应所导致成像区域“幻影”存在的问题，提出了一种基于脉冲雷达信号平台频域压缩感知(CS)框架的多径利用方法。在建立室内多径回波脉冲信号矢量模型的基础上，将每条多径分量作为一个特殊的观测通道，并利用目标、多径“幻影”依赖于阵列子孔径方位(AD)的特性，由此来分析目标、“幻影”与子孔径位置的关联性，最后通过调和平均(HMAM)子孔径图像融合方法实现 “幻影”抑制和目标的虚拟多视角成像。该方法克服了脉冲信号时域压缩感知计算复杂度高以及需要事先已知室内几何反射位置的不足。不同场景的仿真结果验证了此方法的可行性和优越性。     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融 合方法。首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差 、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变 换实现图像的融合处理。实验结果表明,融合图像特征显著,易于观察。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达（SAR）成像制导通常采用光学基准图和SAR实时图 进行特征提取和景象匹配。提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabo r模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然 后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板 分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配。该方 法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传 统方法具有较高的鲁棒性和准确性。     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题，提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像，然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像，最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明，该算法能够很好地抑制高斯噪声和背景边缘，相比于传统的检测算法，其检测性能显著提高，鲁棒性能较好。     

一种正前视宽扇区高分辨雷达扫描成像方法

合成孔径雷达（Synthetic Aperture Radar,SAR）只有照射到飞行方向左、右两侧的感兴趣成像区域时才能处理出高分辨率SAR图像,飞行方向正前方的成像区域就成为了SAR成像的固有盲区。三通道（和、方位差、俯仰差）毫米波单脉冲成像雷达能够实现对正前视场景的二维成像，获取单脉冲图像。提出对SAR/单脉冲图像进行图像配准和融合拼接的方法：首先利用多尺度多方向二维Gabor滤波器组分别对SAR/单脉冲图像进行特征提取，然后对两组特征矩阵进行归一化互相关匹配，对匹配好的图像进行像素级融合处理，得到完整的正前视宽扇区高分辨雷达图像。试验数据成像处理结果表明，所提复合成像算法能够对飞行正前方宽扇区范围内进行高分辨成像，有效解决了工程实际中碰到的正前视高分辨成像盲区的难题，对于前视雷达成像侦察、弹载雷达目标区域景象匹配、飞行器夜航、盲降等具有一定的工程实际意义。     

基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象，结合对比度最大算法和分数阶傅里叶变换(FRFT)算法，提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法。该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析，根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿，和传统的相位梯度(PGA)法相比，图像分辨率和旁瓣比提升显著，可以更有效地补偿SAR中舰船运动产生的相位误差。对不同舰船和尾迹SAR图像实验表明，算法对二阶以上的相位误差具有较好的补偿效果，误差估计准确性高，适用范围广，解决了SAR运动舰船的散焦问题，提高了海洋舰船监测的准确性。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息，从而影响图像的重构效果问题，提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计，通过对块稀疏度进行估算初始化阶段长，运用块矩阵与残差信号最匹配原则来选取支撑块，再运用自适应迭代计算实现对块稀疏信号的重构，较好地解决了浪费存储资源和计算量大的问题。实验结果表明，相比常用压缩感知方法，所提算法能明显减少运算时间，且能有效提高图像重构效果。     

高精度机载可见光图像定位方法

针对现有技术不能解决机载可见光图像快速自动定位的问题，提出了一种定位精度高、处理速度快、可扩展性好的机载可见光图像定位方法。该方法以传感器共线成像模型为中心，将实时图像和传感器成像参数送入共线模型进行正射校正，校正后的图像与相应的基准图像进行图像配准，使用配准同名点信息更新传感器成像参数，最后再次通过共线模型获取实时图地理坐标定位信息。这种通过图像配准再计算成像模型的间接定位方法，不仅减少了计算量，而且使自动配准算法稳定，较传统的直接定位方法或图像配准方法有突出的优势。此外，该方法具有严格的误差传递计算公式，能计算定位结果的误差。仿真实验表明即使在大倾斜角条件下，该方法也能获得优于100 m的定位精度。     

基于压缩感知的红外遥感图像重构算法分析

随着航天遥感技术的飞速发展，遥感图像采集数据耗时长、图像数据量大等问题的出现对采样设备和存储设备提出了更高的性能要求。为了解决以上问题，在气象卫星的红外遥感图像的处理中采用了压缩感知理论。通过Matlab建模和仿真，分析了正交匹配追踪算法、梯度投影算法、子空间追踪算法、平滑l0范数算法的性能，并对大量红外图像以不同的采样率进行采样压缩，然后使用多种重构算法重构图像。对比试验显示，几种算法都能以较低的采样率得到完整的红外图像，但平滑l0范数算法在重构精度和运行时间方面都优于其余几种算法，证明了压缩感知在红外遥感图像的处理中具有较大的实用价值。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题，提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类，接着将每一类频段用PCA压缩，然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类，最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验，结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下，大幅度降低运算复杂度，实现高光谱图像的快速压缩。     

基于遥感图像的船舶目标检测方法综述

如何在复杂环境中准确、快速地实现各类船舶目标检测是一项重要研究课题，也是保障船舶航行安全、保护领土安全、加强水域资源监管的基础。红外成像、合成孔径雷达（Synthetic Aperture Radar，SAR）以及卫星遥感等成像技术的发展为船舶检测提供了丰富的图像数据，已取得许多研究成果。介绍了船舶目标检测的过程，从基于传统图像处理技术的船舶目标检测和基于深度学习的船舶目标检测两方面总结并分析了现有船舶目标检测方法，讨论了相关关键技术，最后指出了未来的研究方向。     

基于稀疏系数位置和归一化残差的压缩感知信号检测

信号检测是压缩感知理论研究的重要内容。针对当前压缩感知信号检测算法没有充分利用稀疏系数幅值和位置信息的不足,提出了一种新的检测算法。该算法首先引入归一化残差变量,有效克服了稀疏系数幅值波动大的缺点;然后,利用不同测量矩阵确定的稀疏系数位置信息,基于正交匹配追踪（OMP）算法实现目标信号检测。实验结果表明,算法的检测性能随着信噪比的提高而增强,且与压缩比负相关,运算复杂度较正交匹配追踪算法和仅利用稀疏系数位置信息的算法相当但检测性能分别提高了4 dB和1 dB.     

基于PCA的小波多分辨图像融合方法

提出小渡多分辨率下主成份分析（PCA）的图像融合方法。首先利用小波变换对融合图像进行多分辨率分解，然后利用主成份分析方法确定图像小波低频近似系数的洎适应融合权重，采用局部区域“能量”法进行小渡高频细节系数的融合，最后将小波融合系数逆变换实现图像的融合处理。实验结果证实融合图像的目标特征突出，易于目视解译。     

一种基于最小错分概率的遥感影像变化检测算法

变化检测是研究自动实现目标变化信息提取的方法。为适应不同时期遥感影像成像环境和灰度的差异,提出一种基于最小错分概率的遥感影像变化检测方法,对待检测的遥感影像利用差影法提取出差值影像,利用最小错分概率的计算方式计算变化阈值,提取出重要的变化区域,最后采用去噪扫描和形态学的方式剔除噪声带来的虚假变化。实验结果表明,所提出的变化检测算法稳健、实时性强,具有较大的实用价值。     

一种全自动稳健的图像镶嵌算法

针对现今学者提出的多种获取全景图像的图像镶嵌算法大都只是在图像发生平移条件下完成的局限性,提出一种广泛适用于图像发生任何空间变换(包括图像的平移、旋转、缩放和其它扭曲)的镶嵌算法.该算法核心是采用图像变形技术对发生空间变换的图像进行投影重建.具体过程是:首先由Harris算子提取的角点求得两幅图像间的变换矩阵,然后由此变换矩阵应用图像变形技术,逆向映射重采样插值发生空间变换的图像,最后与源图像合成图像.实验表明,该算法能达到良好的镶嵌效果.